Le métabolome humain et l’apprentissage automatique améliorent les estimations de l’intervalle post-mortem

Pourquoi le moment du décès compte

Savoir quand une personne est décédée est une question centrale dans de nombreuses enquêtes criminelles ou sur des morts inexpliquées. Une estimation précise du temps écoulé depuis le décès, appelée intervalle post-mortem, peut confirmer ou infirmer des alibis, réduire le nombre de suspects et aider à reconstituer ce qui s’est passé dans les dernières heures et jours d’une personne. Or, les outils actuels, comme la température corporelle ou les mesures chimiques dans l’œil, perdent rapidement en fiabilité après le premier ou les deux premiers jours. Cette étude examine si des traces chimiques invisibles dans le sang, combinées à l’intelligence artificielle moderne, peuvent étendre cette fenêtre d’utilité — d’un ou deux jours à près de deux mois après le décès.

Les limites des indices médico-légaux actuels

Les experts médico-légaux s’appuient traditionnellement sur des signes visibles et physiques tels que la décoloration de la peau, la rigidité cadavérique ou le refroidissement du corps, ainsi que sur les concentrations de potassium dans le liquide clair de l’œil. Ces indices fonctionnent assez bien au début mais sont subjectifs, fortement influencés par l’environnement, et cessent généralement d’être fiables après un à trois jours. Pour des périodes plus longues, les enquêteurs doivent recourir à des indicateurs beaucoup plus grossiers comme l’activité des insectes, l’état de décomposition, ou même l’analyse de restes squelettisés. Il existe un besoin clair de méthodes quantitatives capables de combler le fossé entre les estimations précoces basées sur la température et les approches tardives fondées sur la décomposition.

Les traces chimiques du corps comme une horloge cachée

Après la mort, les petites molécules du corps — appelées collectivement le métabolome — évoluent de manière systématique à mesure que les cellules perdent de l’énergie, que les membranes se dégradent et que les protéines sont digérées. Les chercheurs ont tiré parti de cela en réutilisant des données toxicologiques existantes : des mesures haute résolution de milliers de caractéristiques chimiques à partir du sang fémoral prélevé de routine lors d’autopsies. Au total, ils ont analysé 4 876 cas médico-légaux réels avec des intervalles connus entre le décès et l’autopsie, majoritairement entre un et treize jours mais s’étendant jusqu’à 67 jours. Plutôt que de chercher un « marqueur magique » unique, ils ont demandé si l’ensemble du motif de nombreux métabolites pouvait agir comme une horloge chimique.

Apprendre à une IA à lire l’horloge chimique

L’équipe a entraîné un réseau de neurones feed-forward, un type de modèle d’apprentissage automatique, pour ingérer environ 2 300 signaux chimiques et produire une estimation du nombre de jours écoulés depuis le décès. Après avoir optimisé les paramètres du modèle et utilisé une partie des cas pour l’entraînement et une autre pour les tests, le système a prédit l’intervalle post-mortem avec une erreur moyenne d’environ 1,5 jour et une erreur médiane juste au-dessus d’un jour sur des cas non vus. Cette performance surpassait six approches alternatives, y compris plusieurs méthodes statistiques et d’apprentissage automatique standard. Les prédictions étaient les plus précises pour des décès situés au milieu de la plage temporelle et moins précises pour des intervalles très courts ou très longs, mais l’erreur globale était comparable à l’incertitude déjà présente dans les temps de décès enregistrés eux-mêmes.

Ce que le modèle révèle sur la dégradation à l’intérieur du corps

Parce que les réseaux de neurones sont souvent considérés comme des boîtes noires, les auteurs ont examiné de plus près quels changements chimiques le modèle utilisait. En suivant l’importance des métabolites qui tendent à augmenter ou diminuer avec le temps, ils ont identifié trois grands motifs. Certaines molécules, en particulier certains lipides et acylcarnitines, décroissaient de manière régulière, cohérente avec la dégradation des membranes cellulaires et la réduction de la production d’énergie mitochondriale. D’autres, notamment des acides aminés et de courts fragments protéiques, augmentaient, ce qui concorde avec le découpage des protéines à mesure que les tissus se dégradent. Un troisième groupe montrait des courbes temporelles plus complexes. Ces tendances reflètent des études antérieures sur animaux et humains et renvoient à des processus biologiques reconnaissables — dégradation des lipides, défaillance mitochondriale et digestion des protéines — qui se déroulent progressivement après la mort.

Des grandes études aux outils pratiques

Pour vérifier si leur approche pouvait fonctionner au-delà d’un seul laboratoire, les chercheurs ont appliqué le réseau de neurones entraîné à 512 nouveaux cas mesurés une autre année sur un instrument de spectrométrie de masse différent. Même sans réentraînement, l’erreur du modèle est restée d’environ 1,8 jour, suggérant que le signal chimique est suffisamment robuste pour survivre aux différences d’équipement et de conditions. Ils ont également montré que des modèles plus simples entraînés sur seulement quelques centaines de cas atteignaient toujours une précision utile, ce qui implique que des instituts médico-légaux plus petits pourraient construire leurs propres outils de prédiction. Bien que des facteurs environnementaux et la cause du décès puissent aussi influer sur le métabolome, et que des données plus équilibrées pour les intervalles très courts et très longs soient nécessaires, les résultats indiquent que les données toxicologiques de routine peuvent être réorientées en une aide puissante pour estimer le temps écoulé depuis la mort.

Ce que cela signifie pour les enquêtes réelles

Pour un non-spécialiste, la conclusion principale est que la chimie du corps après la mort semble agir comme une horloge lente, et que l’IA moderne peut lire cette horloge avec une précision d’environ un jour sur plus d’une semaine. Ce n’est pas un chronomètre parfait et cela ne remplace pas le jugement des experts médico-légaux ni d’autres éléments de preuve. Mais à mesure que ces méthodes seront affinées et validées dans davantage de contextes, elles pourraient fournir aux enquêteurs une estimation plus objective et fondée sur les données du temps écoulé depuis le décès, en particulier dans la fenêtre critique où les approches standard commencent à échouer.

Citation: Magnusson, R., Söderberg, C., Ward, L.J. et al. The human metabolome and machine learning improves predictions of the post-mortem interval. Nat Commun 17, 1504 (2026). https://doi.org/10.1038/s41467-026-69158-w

Mots-clés: sciences médico-légales, moment du décès, métabolomique, apprentissage automatique, intervalle post-mortem